医学 AI

BioTamperNet: Affinity-Guided State-Space Model Detecting Tampered Biomedical Images

BioTamperNet：基于状态空间模型的亲和引导检测篡改生物医学图像

Soumyaroop Nandi, Prem Natarajan

机构 * USC Information Sciences Institute（USC信息科学研究所） ； USC Thomas Lord Department of Computer Science（USC汤姆·劳德计算机科学系） 纠错

专题命中 医学影像 ：medical image(title,abstract)；biomedical(title,abstract)；分类 cs.CV

AI总结 BioTamperNet通过亲和引导的注意力机制，高效检测生物医学图像中的篡改区域，提升检测精度。

OmniRad: A Radiological Foundation Model for Multi-Task Medical Image Analysis

OmniRad：一种多任务医学图像分析的放射学基础模型

Luca Zedda, Andrea Loddo, Cecilia Di Ruberto

机构 * Department of Mathematics and Computer Science, University of Cagliari（数学与计算机科学系，卡利亚里大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；radiology(abstract)；分类 cs.CV

AI总结 OmniRad通过预训练医学图像数据，提升多任务医学图像分析的性能，尤其在分类和分割任务中表现出色。

Comments 19 pages, 4 figures, 12 tables

LEAD: Layer-wise Expert-aligned Decoding for Faithful Radiology Report Generation

LEAD：逐层专家对齐解码以生成准确的放射学报告

Ruixiao Yang, Yuanhe Tian, Xu Yang, Huiqi Li, Yan Song

专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)

AI总结 LEAD通过逐层专家对齐解码方法，提升放射学报告生成的准确性并减少幻觉。

Adaptive Knowledge Transferring with Switching Dual-Student Framework for Semi-Supervised Medical Image Segmentation

具有切换双学生框架的自适应知识转移用于半监督医学图像分割

Hoang-Thien Nguyen, Thanh-Huy Nguyen, Ba-Thinh Lam, Vi Vu, Bach X. Nguyen, Jianhua Xing, Tianyang Wang, Xingjian Li, Min Xu

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文提出了一种切换双学生框架，通过动态选择可靠学生和损失感知移动平均策略，提升半监督医学图像分割的性能。

Comments The paper is published at Pattern Recognition Journal

An Intuitionistic Fuzzy Logic Driven UNet architecture: Application to Brain Image segmentation

直觉模糊逻辑驱动的UNet架构：应用于脑图像分割

Hanuman Verma, Kiho Im, Pranabesh Maji, Akshansh Gupta

机构 * Department of Mathematics, Bareilly College, Bareilly (MJP Rohilkhand University), Uttar Pradesh, India（印度乌塔兰普尔邦巴雷利学院数学系） ； Division of Newborn Medicine, Fetal Neonatal Neuroimaging and Developmental Science Center, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA（美国哈佛医学院波士顿儿童医院新生儿医学部） ； Department of Pediatrics, Harvard Medical School, Boston, MA, USA（美国哈佛医学院儿科系） ； CSIR–Central Electronics Engineering Research Institute, Pilani 333031, Rajasthan, India（印度拉贾斯坦邦比拉尼中央电子工程研究机构） ； Academy of Scientific and Innovative Research (AcSIR), Ghaziabad 201002, India（印度德里阿齐亚德瓦学术与创新研究院） ； CSIR–National Institute of Science Communication and Policy Research, New Delhi, India（印度新德里国家科学传播与政策研究所） 纠错

专题命中 医学影像 ：medical image(abstract)；MRI(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 本文提出基于直觉模糊逻辑的UNet架构，用于提升脑图像分割中对不确定性的处理能力。

Human-organ-scale x-ray fluorescence ghost imaging for radioisotope-free diagnostics

人体器官尺度的X射线荧光鬼成像用于无放射性诊断

E. Levinson, R. H. Shukrun, N. Vigano, S. Shwartz

专题命中 医学影像 ：MRI(abstract)；CT(abstract)

AI总结 本文提出了一种基于X射线荧光计算鬼成像的人体器官尺度非放射性诊断方法，实现了高保真碘分布重建，无需放射性示踪剂，具有与CT相当的空间分辨率。

Comments 5 figures, 13 pages

DINO-AD: Unsupervised Anomaly Detection with Frozen DINO-V3 Features

DINO-AD：基于冻结DINO-V3特征的无监督异常检测

Jiayu Huo, Jingyuan Hong, Liyun Chen

机构 * National Heart and Lung Institute, Imperial College London, London, UK（帝国理工学院伦敦心脏和肺研究所） ； Department of Digital Twins for Healthcare, BMEIS, King’s College London, London, UK（King’s College London医疗数字双领域部门） ； SonoScape Medical Corp.（SonoScape医疗公司） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV、eess.IV

AI总结 DINO-AD通过冻结DINO-V3特征实现无监督异常检测，利用自监督特征进行精确定位，实验表明其在准确性和鲁棒性上优于现有方法。

Comments Accepted by ISBI 2026, 4 pages, 2 figures, 3 tables

Explaining and Improving Information Complementarities in Multi-Agent Decision-making

解释并改进多智能体决策中的信息互补性

Ziyang Guo, Yifan Wu, Jason Hartline, Jessica Hullman

机构 * Northwestern University（西北大学） ； Microsoft Research（微软研究院） 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出了一种新的解释技术ILIV-SHAP，用于改进多智能体决策中的信息互补性，通过人机协作提升决策准确性。

Ultrasonic sensing of the mechanical fingerprint of reactive transport in rock

超声传感用于岩石中反应输运机械指纹的检测

Ali Aminzadeh, Prasanna Salasiya, Joseph F. Labuz, Mohammad Nooraiepour, Bojan B. Guzina

专题命中 医学影像 ：CT(abstract)

AI总结 本研究利用超声传感技术，通过全场监测砂岩样本在反应输运过程中的机械性质变化，揭示了矿物化导致的弹性模量降解和衰减增加的机制。